方法解读 | 性染色体Phasing

本篇文章学习、解析的内容来自《Genomes of the Banyan Tree and Pollinator Wasp Provide Insights into Fig-Wasp Coevolution》

该文章于2020年发表在Cell上（坦哥，我滴超人）。

讲了一个榕树与榕小蜂协同进化（co-evolution）的故事。

Illumina short reads SNP calling

非常normal的一套流程，也就是使用3个female smaple和3个male sample对SNP calling，
对于X-specific SNP和Y-specific SNP的判断，文章中给出的描述如下，

• SNPs were only homozygous in female individuals -> X specific locus
• SNPs were heterozygous and only existed in male samples -> Y specific locus

我画个示意图来帮助理解，
在完成组装的情况下（没有phasing的情况下），将全基因组测序回帖到参考基因组上，会呈现如下的样子，即X和Y都有，

最终在VCF文件中呈现的样子，此处也是不考虑由X和Y染色体的rearrangement事件等所产生的SNP位点。

Pacbio reads phasing

Long reads phasing实际上和short reads是一样的，

• 先将经过correction的序列使用minimap2比对到参考基因组上
• 再使用WhatsHap这个软件以BAM和VCF文件作为输入文件，鉴定phased SNP block WhatsHap这个软件最初也还是为human genome设计的，因此也就不适用于polyploid 此处输入的VCF，是sample genotype为“0/1”的SNP，最终做phasing的目的，也就是为了将这些SNP对应X又或者是Y给区分开来

得到blocks之后，需要根据该blocks上属于X还是Y染色体的SNP多少（举个例子，超过70%都是属于X chromosome的SNP，则判断该reads属于X染色体），来判断该SNP blocks的关系，最终再进一步根据这些blocks将PacBio long reads给分配到X又或者是Y上。

Note：sex-Phase是直接根据输入的BAM文件来进行的cluster，因为BAM文件包含reads信息。
可能很多人看到这会觉得很懵，但是把SNP blocks直接理解为共线性区块的鉴定也是是非常好理解了，
即anchor gene pairs的鉴定 ->syntenic chromosome blocks

De novo assembly of X and Y chromosomes

到这一步，就已经比较清晰明了了，

• CANU
• ALLHiC

就可以将X和Y chromosome给组装出来了。
sex-Phase github link：https://github.com/tangerzhang/sexPhase

写个后话

由于自己本身对sex chromosome evolution的方向还是保留着兴趣，同时也对evolution genomics、domestication等问题，因为植物中的性别实在是太“诡异”了，不仅有雌雄同体、雌雄异体等等，所以才写了这一篇笔记。

做技术很重要，但是如何构思一个好的科学问题以及如何利用技术来解决问题，这个更加重要，技术永远是手段。继续加油吧。